Santi, Ratna (2014) Rancang bangun sistem pengenalan suara menggunakan jaringan syaraf tiruan ekstraksi ciri Linear Predictive Coding (LPC). Diploma thesis, UIN Sunan Gunung Djati Bandung.
|
Text (COVER)
1_COVER.pdf Download (108kB) | Preview |
|
|
Text (ABSTRAK)
2_ABSTRAK.pdf Download (202kB) | Preview |
|
|
Text (DAFTAR ISI)
3_DAFTAR ISI.pdf Download (118kB) | Preview |
|
|
Text (BAB I)
4_BAB I.pdf Download (215kB) | Preview |
|
![[img]](https://digilib.uinsgd.ac.id/style/images/fileicons/text.png) |
Text (BAB II)
5_BAB II.pdf Restricted to Registered users only Download (518kB) |
|
|
Text (BAB III)
6_BAB III.pdf Restricted to Registered users only Download (368kB) |
|
|
Text (BAB IV)
7_BAB IV.pdf Restricted to Registered users only Download (1MB) |
|
|
Text (BAB V)
8_BAB V.pdf Restricted to Registered users only Download (477kB) |
|
|
Text (BAB VI)
9_BAB VI.pdf Restricted to Registered users only Download (107kB) |
|
|
Text (DAFTAR PUSTAKA)
10_DAFTAR PUSTAKA.pdf Restricted to Registered users only Download (198kB) |
Abstract
Pengenalan ucapan (speech recognition) merupakan upaya agar manusia bisa berkomunikasi dengan mesin atau alat dengan media suara. Penelitian ini membahas mengenai pengenalan suara untuk menganalisis dan mengenali tiga buah ucapan kalimat, yang masing – masing kalimat terdiri dari dua kata dengan subjek dan objek yang berbeda. Kalimat tersebut diucapkan 9 kali oleh 5 orang responden.Dalam proses pengenalan ucapan atau suara itu sendiri digunakan ekstraksi ciri Linear Predictive Coding (LPC), sedangkan pola pengenalannya menggunakan metode Jaringan Syaraf Tiruan. LPC ialah salah satu metode analisis suara untuk mengekstrak ciri – ciri penting dari sinyal suara tersebut dalam bentuk koefisien - koefisien LPC. Sedangkan JST untuk mencari parameter suara yang digunakan untuk pelatihan dan pengenalan. Pengaplikasian LPC dan JST pada penelitian ini menggunakan software Matlab.Parameter JST dijadikan menjadi beberapa variasi dan dipilih yang memiliki nilai akurasi tertinggi lalu dijadikan data uji. Pengujian dari 45 data latih didapat persentase pengenalan sebesar 80% untuk jaringan Net8 dengan nilai parameter Hidden layer 1, Neuron size 8, Epoch 1000, Max_fail 13, Mu 0.008, dan Mu_dec 0.8. Pengujian real time dari 2 orang penguji didapatkan persentase pengenalan dari nilai akurasi maksimal sebesar 40%.
| Item Type: | Thesis (Diploma) |
|---|---|
| Uncontrolled Keywords: | Speech Recognition; Linear Predictive Coding; Neural Network; Matlab |
| Subjects: | Applied Physics > Electronics |
| Divisions: | Fakultas Sains dan Teknologi > Program Studi Teknik Elektro |
| Depositing User: | rofita fita robi'in |
| Date Deposited: | 13 Nov 2018 06:42 |
| Last Modified: | 28 Jun 2022 07:50 |
| URI: | https://digilib.uinsgd.ac.id/id/eprint/16593 |
Actions (login required)
 |
View Item |
